Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Aplikace wavelet Komprese Odstraňování šumu a poškození Detekce struktur Problematika rozmazání Registrace Reprezentace Fúze dat s různým rozlišením Watermarking.

Podobné prezentace


Prezentace na téma: "Aplikace wavelet Komprese Odstraňování šumu a poškození Detekce struktur Problematika rozmazání Registrace Reprezentace Fúze dat s různým rozlišením Watermarking."— Transkript prezentace:

1 Aplikace wavelet Komprese Odstraňování šumu a poškození Detekce struktur Problematika rozmazání Registrace Reprezentace Fúze dat s různým rozlišením Watermarking

2 bytes. JPG bytes compression ratio WQ bytes compression ratio Komprese

3 kompresní poměr 120:1 originál WVL JPG

4 - eliminace redundantní a méně důležité informace - WT - provádí dekorelaci dat Komprese prostorová redundance: sousední hodnoty korelované frekvenční redundance: frekvenční hodnoty ze stejného pixlu jsou korelované časová redundance: frames malé změny v sekvenci - snižuje čas a cenu přenosu

5 wavelety - lokální charakter - lokalní vliv koeficientů hladká data - nulové nebo malé koeficienty - počet chybících momentů u wavelet Z vlastností DWT nekorelovanost koeficientů koeficienty - amplituda wavelety v daném místě, rozlišení a posunu chyba na koeficientech - malý vliv na daný pixel - vliv na malé okolí (velikost filtru)

6 DWT v kódování DCT - každý koeficient reprezentuje - plochu - frekvenční rozsah - stejné pro všechny k. - někdy nezbyde dost bitů na „anomálie“ - hrany - blok efekty DWT - lépe zachyceny „anomálie“ - zachycení pozic koeficientů - náročné

7 často - ortogonální wavelety biortogonální symetrické wavelety wavelet packets jednotlivé subbandy kódovány separátně moderní metody - závislost mezi škálami Komprese

8 kódování signálu (DFT, DCT, DWT) kvantizace (SQ, VQ, uniform) Entropické kódování (Huffman, aritmetické, RLE) Vstupní signál Komprimovaný signál prahování

9 Komprese

10 ztrátová komprese - vynulování koeficientů menší než práh Prahování „hard thresholding“„soft thresholding“

11 Prahování po prahování - bitmapa, 0 = vynulované koeficienty 1 = nevynulované koeficienty

12 2-bit rozlišení3-bit rozlišení 4 úrovňová digitální reprezentace 8 úrovňová digitálnií reprezentace Kvantizace

13 - uniformní x adaptivní - chyby - vizuální - RMSE - různá pro jednotlivé bandy - alokace bitů - vizuální - statistika koeficientů - kvantizační intervaly - skalární x vektorová

14 Laplaceovo rozdělení 0.5 exp ( - | x | ) Kvantizace

15 nD vektor R n do konečné množiny Y = {y i : i = 1, 2,..., N}. y i - codeword Y - codebook. NP úplný problém nalezení codebook nejlépe reprezentující danou množinu vektorů Vektorová kvantizace

16 Linde-Buzo-Gray algoritmus ( LBG ) - podobný jako „k-mean clustering“ - urči velikost N - vyber náhodně N codewords - „clusterize“ - nové codewords - průměr - opakuj dokud změna

17 umístění - RLE („run length coding“) kódování - stačí jen změny a první hodnota nejdelší souvislé běhy - spirála od středu amplitudy koeficientů - Huffmanovo kódování Kódování RLE kód - Huffmanovo kódování

18 Huffmanovo kódování Můžou být i jiné - aritmetické kódování, Lempel-Ziv

19 Histogramy před a po kompresi

20 Komprese otisků prstů FBI otisky prstů, 768 x 768 pixels, 589,824 bytes 29 milionů karet (1995) 30,000-50,000 nových karet denně, řády TB

21 Originál bytes

22 koeficientů DWT

23 bytes compression ratio 18.0 Rekonstrukce bytes

24

25 Škálovatelná kvalita – embedded kvantizace

26 Škálovatelné rozlišení – wavelety

27 Náhodný přístup (prostorová škálovatelnost)

28 Significance – refinement metoda -použití bit- planes - pro každou bit-plane: nalézt nové významné koeficienty zakódovat znaménko přenést doplňující bity známých významných koef.

29 - modelování závislostí mezi koeficienty - deterministická struktura „do hloubky“ Komprese - nové „Zero trees“

30 Embedded Zerotree Wavelet Encoding J.M. Shapiro, 1993 EZW nevýznamný vzhledem k T

31 Embedded Zerotree Wavelet Encoding

32 | koef | > T sign(koef) následník ZT význační potomci ANO NE +- POSNEG IZZTR nekódovat

33 T 0 = 32 [32, 64), střed 48 „ dominant “

34 „ subordinate “ ( 63, 49, 34, 47) 2. „ dominant “ T 1 = 16, jen ty koeficienty, které v minulém „nesignifikantní“ ty minulé - jako 0 tento seznam ( 63, 49, 34, 47) se doplní o nové kódování- možno zastavit na požadovaném bit-rate

35 Embedded Zerotree Wavelet Encoding

36 Porovnání přístupů

37 EZW -nevýhody : obtížné dekódování pouhé části obrázku špatné vzpamatování se z chyb - následující přístupy Set Partitioning in Hierarchical Trees (SPIHT) Embedded Block Coding with Optimized Truncation (EBCOT) - v JPEG2000

38 Embedded Block Coding with Optimized Truncation (EBCOT) Taubman, JPEG 2000 JPEG bppJPEG2000

39 Embedded Block Coding with Optimized Truncation (EBCOT) Taubman, JPEG 2000 vhodný pro vzdálené prohlížení velkých souborů škálovatelná komprese obrázků (embedded) - kvalita - rozlišení náhodný přístup (různé části signálu - různé části obrázku) kódování ROI

40 EBCOT - bloky dělí každý sub-band na code bloky (32x32) ty separátně kóduje všechny bloky v sub-bandu – stejná velikost každý blok kódován zvlášť paralelní zpracování využití lokálních informací omezený dopad chyb možnost náhodného přístupu

41 EBCOT – „vrstvy“

42 EBCOT - kódování víceprůchodové skenování na úrovni bitů, kódování po bitech, nejvyšší nenulový kódování používa info o kontextu ( hypotéza: významné vzorky shluknuté) každá „vrstva“ – své oříznutí, optimalizuje se bloky bandů generování „embedded bit-stream“ generování „vrstev“ a přehledových informací

43 EBCOT - kódování 3 typy průchodů, různé typy kódování - significant (nevýznamné s význ. sousedy) 2x - magnitude refinement (významné z minula) - cleanup (všechny zbývající) zero coding, RLC, sign coding, magnitude refinement

44 informace o 1 bloku – různé délky kódu + rozdíly post-processing po komprimaci všech bloků – určení ořezání pro každý blok post-Compression Rate-Distortion (PCRD) Optimization cílový bit-rate nemusí být znám v době komprese quality layers – kód pro blok je optimálně ořezán pro „vrstvy“danou vrstvu, efektivní komprese – nezávislé optimální ořezání bloků EBCOT – optimální oříznutí

45 WVLJPEG


Stáhnout ppt "Aplikace wavelet Komprese Odstraňování šumu a poškození Detekce struktur Problematika rozmazání Registrace Reprezentace Fúze dat s různým rozlišením Watermarking."

Podobné prezentace


Reklamy Google